論文の概要: ViewSplat: View-Adaptive Dynamic Gaussian Splatting for Feed-Forward Synthesis

• arxiv url: http://arxiv.org/abs/2603.25265v1
• Date: Thu, 26 Mar 2026 10:03:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:48.234394
• Title: ViewSplat: View-Adaptive Dynamic Gaussian Splatting for Feed-Forward Synthesis
• Title（参考訳）: ViewSplat: フィードフォワード合成のためのビュー適応動的ガウス平滑化
• Authors: Moonyeon Jeong, Seunggi Min, Suhyeon Lee, Hongje Seong,
• Abstract要約: ビュー適応型3次元ガウススプラッティングネットワークであるViewSplatについて述べる。 ViewSplatは高速な推論とリアルタイムレンダリングを維持しつつ,最先端の忠実度を実現していることを示す。
• 参考スコア（独自算出の注目度）: 10.752176613697912
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present ViewSplat, a view-adaptive 3D Gaussian splatting network for novel view synthesis from unposed images. While recent feed-forward 3D Gaussian splatting has significantly accelerated 3D scene reconstruction by bypassing per-scene optimization, a fundamental fidelity gap remains. We attribute this bottleneck to the limited capacity of single-step feed-forward networks to regress static Gaussian primitives that satisfy all viewpoints. To address this limitation, we shift the paradigm from static primitive regression to view-adaptive dynamic splatting. Instead of a rigid Gaussian representation, our pipeline learns a view-adaptable latent representation. Specifically, ViewSplat initially predicts base Gaussian primitives alongside the weights of dynamic MLPs. During rendering, these MLPs take target view coordinates as input and predict view-dependent residual updates for each Gaussian attribute (i.e., 3D position, scale, rotation, opacity, and color). This mechanism, which we term view-adaptive dynamic splatting, allows each primitive to rectify initial estimation errors, effectively capturing high-fidelity appearances. Extensive experiments demonstrate that ViewSplat achieves state-of-the-art fidelity while maintaining fast inference (17 FPS) and real-time rendering (154 FPS).
• Abstract（参考訳）: ビュー適応型3次元ガウススプラッティングネットワークであるViewSplatについて述べる。 近年のフィードフォワード3次元ガウシアンスプレイティングは,シーンごとの最適化を回避して3次元シーンの再構築を著しく加速させているが,基本的な忠実度ギャップは残っていない。 このボトルネックは、全ての視点を満たす静的ガウスプリミティブを抑えるために、シングルステップフィードフォワードネットワークの限られた能力に起因している。 この制限に対処するため、我々はパラダイムを静的な原始回帰からビュー適応動的スプラッティングにシフトする。 厳密なガウス表現の代わりに、私たちのパイプラインはビュー適応可能な潜在表現を学びます。 具体的には、ViewSplat は最初、動的 MLP の重みとともにベースガウスプリミティブを予測する。 レンダリング中、これらのMLPはターゲットビュー座標を入力として、各ガウス属性(すなわち、3D位置、スケール、回転、不透明度、色)のビュー依存残差更新を予測する。 このメカニズムはビュー適応動的スプラッティングと呼ばれ、各プリミティブが初期推定誤差を補正し、高忠実な外観を効果的に捉えることができる。 広汎な実験により、ViewSplatは高速な推論(17FPS)とリアルタイムレンダリング(154FPS)を維持しながら、最先端の忠実性を達成することが示された。

関連論文リスト

• EcoSplat: Efficiency-controllable Feed-forward 3D Gaussian Splatting from Multi-view Images [39.67757218876105]
  EcoSplatはフィードフォワード3DGSフレームワークで、任意のターゲットプリミティブカウントの3D表現を推論時に適応的に予測する。 EcoSplatは、厳密なプリミティブな制約の下で、堅牢で最先端のメソッドよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-12-21T11:12:48Z)
• G3Splat: Geometrically Consistent Generalizable Gaussian Splatting [30.752029360892504]
  本稿では,幾何学的に一貫した3次元シーン表現を得るために,幾何学的先行を強制するG3Splatを紹介する。 提案手法はRE10Kを用いて, (i) 幾何的一貫した再構成, (ii) 相対的なポーズ推定, (iii) 新規なビュー合成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2025-12-19T13:11:55Z)
• HoliGS: Holistic Gaussian Splatting for Embodied View Synthesis [59.25751939710903]
  本稿では,長い単眼RGBビデオのエンボディドビュー合成に対処する,変形可能なガウススプラッティングフレームワークを提案する。 提案手法は,非可逆ガウス散乱変形ネットワークを利用して大規模動的環境を正確に再構築する。 その結果、現実のシナリオにおけるEVSの実用的でスケーラブルなソリューションが浮かび上がっています。
  論文  参考訳（メタデータ） (2025-06-24T03:54:40Z)
• Epipolar-Free 3D Gaussian Splatting for Generalizable Novel View Synthesis [25.924727931514735]
  一般化可能な3DGSは、フィードフォワード推論方式でスパースビュー観測から新しいシーンを再構築することができる。 既存の手法は、複雑な現実世界のシーンでは信頼できないエピポーラ先行に大きく依存している。 一般化可能な新規ビュー合成のための効率的なフィードフォワード3DGSモデルであるeFreeSplatを提案する。
  論文  参考訳（メタデータ） (2024-10-30T08:51:29Z)
• FreeSplat: Generalizable 3D Gaussian Splatting Towards Free-View Synthesis of Indoor Scenes [50.534213038479926]
  FreeSplatは、長いシーケンス入力から自由視点合成まで、幾何学的に一貫した3Dシーンを再構築することができる。 ビュー数に関係なく、広いビュー範囲にわたる堅牢なビュー合成を実現するための、シンプルで効果的なフリービュートレーニング戦略を提案する。
  論文  参考訳（メタデータ） (2024-05-28T08:40:14Z)
• InstantSplat: Sparse-view Gaussian Splatting in Seconds [91.77050739918037]
  InstantSplatは,光速でスパークビュー3Dシーンを再現する新しい手法である。 InstantSplatでは,3Dシーン表現とカメラポーズを最適化する,自己管理フレームワークを採用している。 3D-GSの従来のSfMと比較して、30倍以上の再現を達成し、視覚的品質(SSIM)を0.3755から0.7624に改善する。
  論文  参考訳（メタデータ） (2024-03-29T17:29:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。